[논문]온대북부형 낙엽활엽수림의 디지털 카메라 반복 이미지를 활용한 식물계절 분석

한상학; 윤충원; 이상훈

doi:10.14578/jkfs.2020.109.4.361

온대북부형 낙엽활엽수림의 디지털 카메라 반복 이미지를 활용한 식물계절 분석
Phenophase Extraction from Repeat Digital Photography in the Northern Temperate Type Deciduous Broadleaf Forest 원문보기

한국산림과학회지 = Journal of korean society of forest science, v.109 no.4, 2020년, pp.361 - 370

한상학 (국립생태원 기후변화연구팀) , 윤충원 (공주대학교 산림자원학과) , 이상훈 (국립생태원 기후변화연구팀)

초록
AI-Helper

매년 반복되는 식물의 생활사를 장기적으로 관측하는 것은 기후변화 반응을 감지하는데 있어 가장 단순한 방법이며, 중요한 지표로 인식되고 있다. 반복 디지털 이미지를 이용한 식물계절 변화 관찰 방법은 전통적(현장에서 전문가에 의해 관찰) 방법과 위성원격탐사(위성영상의 식생지수를 활용한 위성원격 관찰)의 한계를 보완한 방법이다. 본 연구는 디지털 카메라를 기반으로 한 반복 이미지로부터 식물계절 변화 관측과 계절현상을 정량화하기 위하여 점봉산 산림생태계를 대상으로 하였다. 한반도 전역에 분포하는 신갈나무림(낙엽활엽수림)과 상록침엽수림의 대표 수종인 소나무를 선정하여 식물계절 특성에 따른 경향성을 파악하고자 하였다. RGB 채널 이미지 데이터로부터 식생지수(Gcc)를 산출하였다. Gcc 진폭의 크기는 상록침엽수림이 낙엽활엽수림 보다 작았으며, Gcc의 기울기(봄철 증가와 가을철 감소)는 상록침엽수림이 낙엽활엽수림과 비교하여 완만하였다. 소나무림은 생장의 시작(UD)이 신갈나무림에 보다 빨랐고, 생장의 종료(RD)는 늦은 것으로 나타났다. 식물계절 현상의 정확도 검증은 RMSE가 0.008(ROI1)과 0.006(ROI3)으로 높은 정확도를 보였다. 이러한 결과는 온대북부형 낙엽활엽수림의 Gcc 궤적의 경향성을 잘 반영하였으며, 디지털 카메라를 이용한 반복 이미지 관측 방법이 식물계절 변화 관측에 있어 유용할 것으로 판단된다.

Abstract ▼ AI-Helper

Long-term observation of the life cycle of plants allows the identification of critical signals of the effects of climate change on plants. Indeed, plant phenology is the simplest approach to detect climate change. Observation of seasonal changes in plants using digital repeat imaging helps in overcoming the limitations of both traditional methods and satellite remote sensing. In this study, we demonstrate the utility of camera-based repeat digital imaging in this context. We observed the biological events of plants and quantified their phenophases in the northern temperate type deciduous broadleaf forest of Jeombong Mountain. This study aimed to identify trends in seasonal characteristics of Quercus mongolica (deciduous broadleaf forest) and Pinus densiflora (evergreen coniferous forest). The vegetation index, green chromatic coordinate (GCC), was calculated from the RGB channel image data. The magnitude of the GCC amplitude was smaller in the evergreen coniferous forest than in the deciduous forest. The slope of the GCC (increased in spring and decreased in autumn) was moderate in the evergreen coniferous forest compared with that in the deciduous forest. In the pine forest, the beginning of growth occurred earlier than that in the red oak forest, whereas the end of growth was later. Verification of the accuracy of the phenophases showed high accuracy with root-mean-square error (RMSE) values of 0.008 (region of interest [ROI]1) and 0.006 (ROI3). These results reflect the tendency of the GCC trajectory in a northern temperate type deciduous broadleaf forest. Based on the results, we propose that repeat imaging using digital cameras will be useful for the observation of phenophases.

주제어

표/그림 (9)

그림 Figure 1. Regions of interest(ROIs) are shown in aerial photograph (A) and field of view (FOV) canopy image (B) for Mt. Jeombong. ROI1 is Quercus mongolica (Qm) community; ROI2 is Quercus mongolica (Qm) community; and ROI3 is Pinus densiflora (Pd) community.
그림 Figure 2. Illustration of experimental setup for digital-camera monitoring of forest ecosystem.
그림 Figure 3. Filters were applied to representative images.
그림 Figure 4. Variations of phenophase analysis processing. A) Filtered relative greenness index. B) Illustration of the Gu method used to extract phenological thresholds (phenophases) in a seasonal Gcc trajectory (f'(t)).
그림 Figure 5. Representative images and phenophase Gcc trajectory for phenological phase. The images represent the phenological timings of UD, SD, DD, and RD. UD: upturn date (Gcc begin to increase consistently), SD: stabilization date (maximum Gcc), DD: downturn date (Gcc starts to consistently diminish), RD: recession date(vegetation reaches a seasonal low).
그림 Figure 6. Seasonal patterns of color channel in region of interest (ROI)1 (a), ROI2 (b),and ROI3 (c) in Mt. Jeombong (left: raw digital number, right: relative index).
그림 Figure 7. Fitted curves for ROIs; Quercus mongolica canopy (blue line), Quercus mongolica canopy (red line), Pinus densiflora (green line).
표 Table 1. Summary of phenophase dates in regions of interest (ROIs): upturn date (UD), stabilization date (SD), downturn date (DD), recession date (RD), growing season length (GSL), annual minimum green chromatic coordinate (Gcc), annual maximum Gcc, annual median Gcc, and total range of Gcc.
그림 Figure 8. Uncertainty estimation applied to the Gcc trajectory in the forest ecosystem, Mt. Jeombong. The grey lines represent the 100 simulated curves on which phenophases are extracted. The images of a, b, c and d represent the phenological timings of UD, SD, DD, and RD. UD: upturn date (Gcc begin to increase consistently), SD: stabilization date (maximum Gcc), DD: downturn date (Gcc starts to consistently diminish), RD: recession date (vegetation reaches a seasonal low).

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 전통적인 현장조사와 위성영상을 이용한식물계절 관찰의 한계를 극복하기 위하여 점봉산 산림생태계의 경관을 디지털 카레라로 촬영된 고해상도 및 고빈도 반복 이미지를 이용하여 식물계절 변화 관찰 방법을국내에 적용 가능성을 진단하였고, 식물계절 변화 관찰과계절변화 현상을 정량화하였다. 도출된 식물계절 데이터및 분석으로부터 온대중부 낙엽활엽수림의 특성에 따른식물의 계절 경향성을 분석하였다.
식물계절 변화 관측을 위한 근거리 지표 원격탐사는 지상에 설치된 센서를 사용하여 군락 규모의 식생 변화를 관찰하는 것을 목적으로 한다. 디지털 이미지를 이용한 근거리 지표 원격탐사방법의 식생지수 산출은 높은 시간 및 공간적 해상도를 갖으며, 생물계절 변화 현상의 상세한 과정을 이해할 수 있는 독특한 생물계절학적 정보를 제공하기(Baghzouz et al.
이에 본 연구에서는 기존의 생물계절 연구의 한계를 극복하고자 이미 전 세계에서 많이 사용하고 있는 (1)ICT (Information Communication Technology) 기반 반복적 디지털 카메라 이미지를 통한 식물계절 변화 관찰 방법을국내에 적용 가능성을 진단하는 것이며 (2)온대북부형 낙엽활엽수림의 계절적 특성에 따른 반복적 디지털 이미지의 계절현상을 분석하여 경향을 파악하고자 하였다.

가설 설정

A) Filtered relative greenness index. B) Illustration of the Gu method used to extract phenological thresholds (phenophases) in a seasonal Gcc trajectory (f’(t)).

제안 방법

ROI는 R-studio에서 ‘drawROI’ function을 이용하여 영역을 설정하였다. RGB 이미지 분석 과정은 extract-filtering-fitting 순서로 진행하였다. RGB(Red, Green and Blue of color channel) DN (digital number value)은 ‘extractVIs’ function을 이용하여 각각의 ROI 모든 픽셀에 대한 평균 RGB DN을 추출하였다.
RGB 이미지 분석 과정은 extract-filtering-fitting 순서로 진행하였다. RGB(Red, Green and Blue of color channel) DN (digital number value)은 ‘extractVIs’ function을 이용하여 각각의 ROI 모든 픽셀에 대한 평균 RGB DN을 추출하였다. 이러한 RGB DNe 식물의 반응과 활력을 나타내는 다양한 식생지수를 계산하는데 일반적으로 사용된다(Richardson et al.
ROI별 RGB DN을 Rcc, Gcc, Bcc로 산출하였다(Figure 6 and Table 1). ROI1의 Gcc 중앙값은 0.
ROI에 RGB DN을 추출하였다(Figure 6). ROI별 Red DN 평균은 141.
현상을 정량화하였다. 도출된 식물계절 데이터및 분석으로부터 온대중부 낙엽활엽수림의 특성에 따른식물의 계절 경향성을 분석하였다. 상록침엽수림은 낙엽활엽수림과 비교하여 Gcc의 진폭의 크기가 작았으며, 봄철과 가을철의 기울기 또한 완만하였다.
설치된디지털 카메라의 모델은 Nikon D5600을 사용하였고, 카메라의 관측시야(FOV, filed of view)는 플럭스타워에서북북동 방향으로 설정하였다(Figure 1). 디지털 카메라는오전 06시부터 오후 18시까지 30분 간격으로 매일 촬영하였다. 촬영된 이미지의 사이즈는 6000 × 4000 pixel이며, JPEG 포맷 형식으로 되어있다.
반복 적용된 적합치에 대하여 식물계절 현상을 추출하였다. 식물계절 현상 앙상블의 25번째 백분위수와 75번째 백분위 수는 중앙값의 식물계절 현상 DOY (day of year) 주변의 신뢰 구간으로 사용된다(Figure 8).
사용하였다. 식물표면의 광학적인 특성에 대한 계절적 변화를 정량화(Filippa et al., 2015)한 이미지 데이터는 R ‘phenopix’ package를 사용하여 분석하였다(phenopix, 2016). ROI는 R-studio에서 ‘drawROI’ function을 이용하여 영역을 설정하였다.
Gcc 시계열에 대한 불확실성 함수는 관측된 데이터 점주위에 균일한 잔차 분포를 생성한다. 이후 이 중 로지스틱적합치를 데이터(100번 반복)에 반복적으로 적용하였다.
점봉산 신갈나무군락의 상관우점종 으로부터 구획된 ROIs의 식물계절적 현상(phenophase)을 UD, SD, DD, RD, GSL로 구분하였다(Table 1 and Figure 8). ROI1의 UD는 DOY 124로 ROI2의 DOY 125와 1일의 차이를 보였고, RD는 ROI1이 DOY 312로 ROI2는 DOY 315와 3일의 차이를 보였다.
, 2016). 추출한 RGB DN으로부터 Rcc(red chromatic coordinate), Gcc (green chromatic coordinate), Bcc(blue chromatic coordinate)을 시계열로 산출하였다(Figure 6).

대상 데이터

6″, 해발고도 1, 066m에 위치하였다. 분석 대상 수종은 한반도 전역에 분포하고 있는 낙엽활엽수종인 신갈나무(Quercus mongolica)와 상록침엽수의 대표 수종인 소나무(Pinus densiflora)를 선정하여 구획영역(ROI, region of interest)를 임분 수준의 영역으로 구획하였다. ROI 1(신갈나무림)은 남쪽으로 뻗어 나오는 능선부와 북사면에 위치하고 있고, ROI2(신갈나무림)과 ROI3(소나무)는 남사면에 위치하였다(Figure 1).
따라서 식물계절관측 카메라는 점봉산 플럭스타워에 설치하였다. 설치된디지털 카메라의 모델은 Nikon D5600을 사용하였고, 카메라의 관측시야(FOV, filed of view)는 플럭스타워에서북북동 방향으로 설정하였다(Figure 1). 디지털 카메라는오전 06시부터 오후 18시까지 30분 간격으로 매일 촬영하였다.
연구 지역은 점봉산으로 위도 38° 02′ 23.0″, 경도 128° 27′ 44.6″, 해발고도 1, 066m에 위치하였다. 분석 대상 수종은 한반도 전역에 분포하고 있는 낙엽활엽수종인 신갈나무(Quercus mongolica)와 상록침엽수의 대표 수종인 소나무(Pinus densiflora)를 선정하여 구획영역(ROI, region of interest)를 임분 수준의 영역으로 구획하였다.
오전 06시부터 18시 까지 촬영된 이미지 중 카메라 렌즈에 비추는 직사광선을 피하여 13시부터 16시까지의 이미지만 사용하였다. 식물표면의 광학적인 특성에 대한 계절적 변화를 정량화(Filippa et al.
온대북부형 낙엽활엽수림의 신갈나무군락을 대상으로 하였다. 연구 지역은 점봉산으로 위도 38° 02′ 23.

데이터처리

Gcc 가 감소하는 성숙기간(SD-DD)은 성숙기선(plateau line)에의하여 결정된다. 추출한 식물계절 현상의 정확도 검증에는 RMSE (root mean square error)지수를 사용하였다. 추출한 식물계절 현상의 정확도 검증에는 관측값의 불일치도를 나타내기 위해 오차의 제곱근을 산술평균한 값의 제곱근으로 예측의 전체적인 편향을 나타내는(Wald, 2002) RMSE (root mean square error)지수를 사용하였다(Jin et al.
추출한 식물계절 현상의 정확도 검증에는 RMSE (root mean square error)지수를 사용하였다. 추출한 식물계절 현상의 정확도 검증에는 관측값의 불일치도를 나타내기 위해 오차의 제곱근을 산술평균한 값의 제곱근으로 예측의 전체적인 편향을 나타내는(Wald, 2002) RMSE (root mean square error)지수를 사용하였다(Jin et al., 2017).

이론/모형

, 2015)한 이미지 데이터는 R ‘phenopix’ package를 사용하여 분석하였다(phenopix, 2016). ROI는 R-studio에서 ‘drawROI’ function을 이용하여 영역을 설정하였다. RGB 이미지 분석 과정은 extract-filtering-fitting 순서로 진행하였다.
마지막으로 Max filter는 Gcc 값을 3-day moving window 값을 산출하여 90% 이상의값을 제거 하였다[Figure 4(A), Sonnentag, 2012]. 일반적으로 Gcc 평확 곡선(curve fitting)하는 방법으로는 Gu et al. (2009)의 방법에 따라 이중-로지스틱 함수(double-logistic function)로 Gcc 평활 곡선을 적용하였다(Figure 7). Gcc 시계열에 대한 불확실성 함수는 관측된 데이터 점주위에 균일한 잔차 분포를 생성한다.

성능/효과

ROI1의 UD는 DOY 124로 ROI2의 DOY 125와 1일의 차이를 보였고, RD는 ROI1이 DOY 312로 ROI2는 DOY 315와 3일의 차이를 보였다. GSL(식물의 생장기간)은 ROI1이 188일 이며 ROI2는 190일로 나타났다.
ROI 1(신갈나무림)은 남쪽으로 뻗어 나오는 능선부와 북사면에 위치하고 있고, ROI2(신갈나무림)과 ROI3(소나무)는 남사면에 위치하였다(Figure 1). ROI 별 교목층 주요 수종으로 ROI1은 신갈나무, 피나무(Tilia amurensis), 까치박달 (Carpinus cordata), 당단풍나무(Acer pseudosieboldianum), 고로쇠나무(Acer pictum subsp. mono) 등이며, ROI2은 신갈나무, 까치박달, 졸참나무(Quercus serrata), 갈참나무 (Quercus aliena), 당단풍나무, 고로쇠나무 등이며, ROI 3은 소나무, 당단풍나무 등의 종조성을 나타냈다.
ROI에 RGB DN을 추출하였다(Figure 6). ROI별 Red DN 평균은 141.77(ROI1), 133.74(ROI2), 124.82(ROI3) 순으로나타났다. 상관우점종이 신갈나무인 ROI1과 ROI2는 낙엽활엽수림으로 상록침엽수인 ROI3(상관우점종이 소나무) 에 비교하여 Red DN이 높게 나타났다.
397으로 나타났다. 낙엽활엽수림과 상록침엽수림의 Gcc 진폭(Range)은 낙엽활엽수림이 0.154와 0.142이며, 상록침엽수림은 0.074으로 낙엽활엽수림의 Gcc 진폭의 크기가 상록활엽수림 보다 크게 나타났다. 점봉산 상록침엽수림의 Gcc 진폭은 미국 네바다주 아고산지역의 상록침엽수림(juniper forest)의 Gcc 진폭 크기와 유사하게 나타났다(Snyder et al.
이러한 특성은 국외의 온대 낙엽활엽수림과 상록침엽수림의 계절적 Gcc 특성과 유사하였다. 낙엽활엽수인 ROI1과 ROI2의 식물계절 현상의 패턴은 유사하였으나, 봄철 Gcc의 최대값은 ROI1이 더 높게 나타났다. 이는 디지털 카메라와 대상 구역과의 거리차이에 의한 신갈나무 잎의 빛 반사 정도와낙엽활엽수가 분포하고 있는 위치에 의하여 Gcc 최대값의 차이를 보인 것으로 사료된다.
또한 낙엽활엽수림(신갈나무림)인 ROI1과 ROI2의 식물 계절 현상의 패턴은 유사하였으나, 봄철 Gcc의 최대값은 ROI1이 더 높게 나타났다. 이는 디지털 카메라와 대상 구역과의 거리차이에 의한 신갈나무 잎의 빛 반사 정도와 낙엽활엽수가 분포하고 있는 위치(ROI1은 능선 및 북사면과 ROI2는 남사면)에 의하여 Gcc 최대값의 차이를 보인 것으로 사료된다.
, 2016). 또한 상록침엽수림은 낙엽활엽수림과 비교하여 Gcc의 증가와 감소하는 기울기가 완만하게 나타났다. 이러한 결과는 온대 낙엽활엽수림의 Gcc의 계절 특성을 연구한 결과 (Snyder et al.
산림생태계에 디지털 카메라의 설치와 ‘phenopix’ packages 분석으로부터 도출된 본 연구의 데이터는 온대북부형 낙엽활엽수림에서 나타나는 Gcc 궤적과 식물계절 특성을 잘 반영하였다. 하지만 향후 전통적인 식물계절 실측 자료와 위성영상으로부터 반복 이미지의 식물계절 현상 분석에 보완 및 검증 자료가 필요할 것으로 사료된다.
82(ROI3) 순으로나타났다. 상관우점종이 신갈나무인 ROI1과 ROI2는 낙엽활엽수림으로 상록침엽수인 ROI3(상관우점종이 소나무) 에 비교하여 Red DN이 높게 나타났다. Green DN 평균은 Red DN 평균과 같은 순으로 142.
도출된 식물계절 데이터및 분석으로부터 온대중부 낙엽활엽수림의 특성에 따른식물의 계절 경향성을 분석하였다. 상록침엽수림은 낙엽활엽수림과 비교하여 Gcc의 진폭의 크기가 작았으며, 봄철과 가을철의 기울기 또한 완만하였다. 이러한 특성은 국외의 온대 낙엽활엽수림과 상록침엽수림의 계절적 Gcc 특성과 유사하였다.
높은 정확도를 나타낸 ROI1과 3의 식물계절 현상을 나타냈다(Figure 8). 소나무림(ROI3)의 UD와 RD는각각 DOY 110과 323으로 나타났으며, 생장기간은 213일로 나타났다. 소나무림과 신갈나무림의 식물계절적 특징으로는 소나무림은 생장의 시작(UD)이 신갈나무림에 비하여 빨랐고, 생장의 종료(RD)는 늦은 것으로 나타났다.
이는 디지털 카메라와 대상 구역과의 거리차이에 의한 신갈나무 잎의 빛 반사 정도와낙엽활엽수가 분포하고 있는 위치에 의하여 Gcc 최대값의 차이를 보인 것으로 사료된다. 소나무림과 신갈나무림의 식물계절적 특징으로는 소나무림은 생장의 시작(UD) 이 신갈나무림에 보다 빨랐고, 생장의 종료(RD)는 늦은것으로 나타났다. 생장기간 또한 213일로 신갈나무림에비하여 길게 나타났다.
소나무림(ROI3)의 UD와 RD는각각 DOY 110과 323으로 나타났으며, 생장기간은 213일로 나타났다. 소나무림과 신갈나무림의 식물계절적 특징으로는 소나무림은 생장의 시작(UD)이 신갈나무림에 비하여 빨랐고, 생장의 종료(RD)는 늦은 것으로 나타났다. 생장기간 또한 213일로 신갈나무에 비하여 길게 나타났다.
생장기간 또한 213일로 신갈나무림에비하여 길게 나타났다. 이를 전통적인 식물계절 조사방법으로 관찰된 계절변화 현상과 비교하였을 때 신갈나무림의 개엽 시작일(UD)은 일치하였지만, 소나무림은 약 24일의 차이를 보였다. 이는 식물계절 현상의 기준을 나눌 때반복 이미지 식물계절 현상 관측과 전통적 현장조사 방법에서의 상록침엽수림의 개엽 시작일을 정의하는 기준이다르기 때문인 것으로 사료된다.

후속연구

하지만 향후 전통적인 식물계절 실측 자료와 위성영상으로부터 반복 이미지의 식물계절 현상 분석에 보완 및 검증 자료가 필요할 것으로 사료된다. 또한 기후에 따른 식물의 계절변화와의 상관관계를 파악하고, 현재 군락수준의 관측에서 위성영상 자료를 통한 지역 또는 국가수준의 식물계절 변화현상 연구가 진행되어야 할 것이다.
반영하였다. 하지만 향후 전통적인 식물계절 실측 자료와 위성영상으로부터 반복 이미지의 식물계절 현상 분석에 보완 및 검증 자료가 필요할 것으로 사료된다. 또한 기후에 따른 식물의 계절변화와의 상관관계를 파악하고, 현재 군락수준의 관측에서 위성영상 자료를 통한 지역 또는 국가수준의 식물계절 변화현상 연구가 진행되어야 할 것이다.

참고문헌 (52)

Ahas, R. and Aasa, A. 2006. The effects of climate change on the phenology of selected Estonian plant, bird and fish populations. International Journal of Biometeorology 51(1): 17-26.

상세보기
Ahrends, H.E., Etzold, S., Kutsch, W.L., Stockli, R., Brugger, R., Jeanneret, F., Wanner, H., Buchmann, N. and Eugster, W. 2009. Tree phenology and carbon dioxide fluxes: use of digital photography for process-based interpretation at the ecosystem scale. Climate Research 39(3): 261-274.

상세보기
Alberton, B., Almeida, J. Helm, R. Torres, R.S., Menzel, A. and Morellato, L.P. 2014. Using phenological cameras to track the green up in a cerrado savanna and its on-theground validation. Ecological Informatics 19: 62-70.

상세보기
Alberton, B., Torres, R.S., Cancian, L.F., Borges, B.D., Almeida, J., Mariano, G.C., Santos, J. and Morellato, L.P.C. 2017. Introducing digital cameras to monitor plant phenology in the tropics: applications for conservation. Perspectives in Ecology and Conservation 15(2): 82-90.

상세보기
Baghzouz, M., Devitt, D.A., Fenstermaker, L.F. and Young, M.H. 2010. Monitoring vegetation phenological cycles in two different semi-arid environmental settings using a ground-based NDVI system: A potential approach to improve satellite data interpretation. Remote Sensing 2(4): 990-1013.

상세보기
Brown, T.B., Hultine, K.R., Steltzer, H., Denny, E.G., Denslow, M.W., Granados, J., Henderson, S., Moore, D., Nagai, S. and SanClements, M. 2016. Using phenocams to monitor our changing Earth: toward a global phenocam network. Frontiers in Ecology and the Environment 14(2): 84-93.

상세보기
Chai, T. and Draxler, R.R. 2014. Root mean square error (RMSE) or mean absolute error (MAE)?-Arguments against avoiding RMSE in the literature. Geoscientific Model development 7(3): 1247-1250.

상세보기
Choi, C.H., Jung, S.G. and Park, K.H. 2016. Analysing relationship between satellite-based plant phenology and temperature. Journal of the Korean Association of Geographic Information Studies 19(1): 30-42.

원문보기 상세보기
Crick, H.Q., Dudley, C., Glue, D.E. and Thomson, D.L. 1997. UK birds are laying eggs earlier. Nature 388(6642): 526-526.

상세보기
Filippa, G., Cremonese, E., Galvagno, M., Migliavacca, M., Di Cella, U.M., Petey, M. and Siniscalco, C. 2015. Five years of phenological monitoring in a mountain grassland: inter-annual patterns and evaluation of the sampling protocol. International journal of biometeorology 59(12): 1927-1937.

상세보기
Fisher, J.I., Mustard, J.F. and Vadeboncoeur, M.A. Green leaf phenology at Landsat resolution: Scaling from the field to the satellite. Remote Sensing of Environment 100(2): 265-279.

상세보기
Garrity, S.R., Vierling, L.A. and Bickford, K. 2010. A simple filtered photodiode instrument for continuous measurement of narrowband NDVI and PRI over vegetated canopies. Agricultural and Forest Meteorology 150(3): 489-496.

상세보기
Graham, E.A., Riordan, E.C., Yuen, E.M., Estrin, D. and Rundel, P.W. 2010. Public Internet-connected cameras used as a cross-continental ground-based plant phenology monitoring system. Global Change Biology 16(11): 3014-3023.

상세보기
Gu, L., Post, W.M., Baldocchi, D.D., Black, T.A., Suyker, A.E., Verma, S.B, Vesala, T. and Wofsy, S.C. 2009. Characterizing the seasonal dynamics of plant community photosynthesis across a range of vegetation types. Phenology of Ecosystem Processes. Springer 35-58.
Hufkens, K., Filippa, G., Cremonese, E., Migliavacca, M., D'Odorico, P., Peichl, M., Gielen, B., Hortnagl, L., Soudani, K., Papale, D., Rebmann, C., Brown, T. and Wingate, L. 2018. Assimilating phenology datasets automatically across ICOS ecosystem stations. Agricultural and Forest Meteorology 249: 275-285.

상세보기
Ide, R. and Oguma, H. 2010. Use of digital cameras for phenological observations. Ecological Informatics 5(5): 339-347.

상세보기
IPCC (Intergovernmental Panel on Climate Change). 2018. Summary for Policymakers. In: Global Warming of 1.5℃. World Meteorological Organization. Switzerland pp. 32.
Jang, J.G., Yoo, S.T., Kim, B.D., Son, S.W. and Yi, M.H. 2020. The Relationship Between Temperature and Spring Phytophenological Index. Korean Journal of Plant Resources 33(2): 106-115.
Jin, Y.H., Zhu, J.R., Sung, S.Y. and Lee, D.K. 2017. Application of satellite data spatiotemporal fusion in predicting seasonal NDVI. Korean Journal of Remote Sensing 33(2): 149-158.

원문보기 상세보기
Kim, H.J., Hong, J.K., Kim, S.C., Oh, S.H. and Kim, J.H. 2011. Plnat phenology of threatened species for climate change in sub-alpine zone of Korea. Korea Journal of Plant Resources 24(5): 549-556.

원문보기 상세보기
Kim, H.W. 2019. Changes of the flowering time of tree in spring by climate change in Seoul, South Korea. Seoul. Ewha Womans University.
Kurc, S.A. and Benton, L.M. 2010. Digital image-derived greenness links deep soil moisture to carbon uptake in a creosotebush-dominated shrubland. Journal of Arid Environments 74(5): 585-594.

상세보기
Lee, B.R., Kim, E.S., Lee, J.S., Chung, J.M. and Lim, J.H. 2018. Detecting phenology using MODIS vegetation indices and forest type map in South Korea. Korean Journal of Remote Sensing 34(2-1): 267-282.

원문보기 상세보기
Lee, K.M., Kwon, W.T. and Lee, S.H. 2009. A study on plant phenological trends in South Korea. Journal of The Koraen Association of Regional Geographers 15(2): 337-350.
Menzel, A. 2000. Trends in phenological phases in Europe between 1951 and 1996. International Journal of Bio-meteorology 44(2): 76-81.

상세보기
Migliavacca, M., Galvagno, M., Cremonese, E., Rossini, M., Meroni, M., Sonnentag, O., Cogliati, S., Manca, G., Diotri, F. and Busetto, L. 2011. Using digital repeat photography and eddy covariance data to model grassland phenology and photosynthetic CO2 uptake. Agricultural and Forest Meteorology 151(10): 1325-1337.

상세보기
Morellato, L.P.C., Alberton, B., Alvarado, S.T., Borges, B., Buisson, E., Camargo, M.G.G., Cancian, L.F., Carstensen, D.W., Escobar, D.F. and Leite, P.T. 2016. Linking plant phenology to conservation biology. Biological Conservation 195: 60-72.

상세보기
Morisette, J.T., Richardson, A.D., Knapp, A.K., Fisher, J.I., Graham, E.A., Abatzoglou J., Wilson, B.E., Breshears, D.D., Henebry, G.M., Hanes, J.M. and Liang, L. 2008. Tracking the rhythm of the seasons in the face of global change: phenological research in the 21st century. Frontiers in Ecology and the Environment 7(5): 253-260.

상세보기
Moulin, S., Kergoat, L., Viovy, N. and Dedieu, G. 1997. GlobalScale Assessment of Vegetation Phenology Using NOAA/AVHRR Satellite Measurements. Journal of Climate 10(6): 1154-1170.

상세보기
Parry, M.L., Canziani, O.F., Palutikof, J.P., Linden, P.J. and Hanson, C.E. 2007. Climate Change 2007: Impacts, Adaptation, and Vulnerability. Cambridge University Press pp. 939.
Pau, S., Wolkovich, E.M., Cook, B.I., Davies, T.J., Kraft, N.J.B., Bolmgren, K., Betancourt, J.L. and Cleland, E.E. 2011. Predicting phenology by integrating ecology, evolution and climate science. Global Change Biology 17(12): 3633-3643.

상세보기
Petach, A.R., Toomey, M., Aubrecht, D.M. and Richardson, A.D. 2014. Monitoring vegetation phenology using an infrared-enabled security camera. Agricultural and forest meteorology 195: 143-151.

상세보기
Pettorelli, N., Vik, J.O., Mysterud, A., Gaillard, J.M., Tucker, C.J. and Stenseth, N.C. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution 20(9): 503-510.

상세보기
Polgar, C.A. and Primack, R.B. 2011. Leafout phenology of temperate woody plants: from trees to ecosystems. New Phytologist 191(4): 926-941.

상세보기
R-Forge Phenopix. https://r-forge.r-project.org/projects/phenopi/. (2020.06.04.).
Richardson, A.D. 2019. Tracking seasonal rhythms of plants in diverse ecosystems with digital camera imagery. New Phytologist 222(4): 1742-1750.

상세보기
Richardson, A.D., Braswell, B.H., Hollinger, D.Y., Jenkins, J.P. and Ollinger, S.V. 2009. Nearsurface remote sensing of spatial and temporal variation in canopy phenology. Ecological Applications 19(6): 1417-1428.

상세보기
Richardson, A.D., Jenkins, J.P., Braswell, B.H., Hollinger, D.Y., Ollinger, S.V. and Smith, M.L. 2007. Use of digital webcam images to track spring green-up in a deciduous broadleaf forest. Oecologia 152(2): 323-334.

상세보기
Richardson, A.D., Keenan, T.F., Migliavacca, M., Ryu, Y., Sonnentag, O. and Toomey, M. 2013. Climate change, phenology, and phenological control of vegetation feedbacks to the climate system. Agricultural and Forest Meteorology 169: 156-173.

상세보기
Ryu, Y., Baldocchi, D.D., Verfaillie, J., Ma, S., Falk, M., Ruiz-Mercado, I., Hehn, T. and Sonnentag, O. 2010. Testing the performance of a novel spectral reflectance sensor, built with light emitting diodes (LEDs), to monitor ecosystem metabolism, structure and function. Agricultural and Forest Meteorology 150(12): 1597-1606.

상세보기
Scrantona, K. and Amarasekarea, P. 2017. Predicting phenological shifts in a changing climate. Proceedings of the National Academy of Sciences of the United States of America 114(50): 13212-13217.

상세보기
Snyder, K.A., Wehan, B.L., Filippa, G., Huntington, J.L., Stringham, T.K. and Snyder, D.K. 2016. Extracting plant phenology metrics in a great basin watershed: Methods and considerations for quantifying phenophases in a cold desert. Sensors 16(11): 1948.

상세보기
Sonnentag, O. Detto, M., Vargas, R., Ryu, Y., Runkle, B.R.K., Kelly, M. and Baldocchi, D.D. 2011. Tracking the structural and functional development of a perennial pepper-weed (Lepidium latifolium L.) infestation using a multiyear archive of webcam imagery and eddy covariance measurements. Agricultural and Forest Meteorology 151(7): 916-926.

상세보기
Sonnentag, O., Hufkens, K., Teshera-Sterne, C., Young, A.M., Friedl, M., Braswell, B.H., Milliman, T., O'Keefe, J. and Richardson, A.D. 2012. Digital repeat photography for phenological research in forest ecosystems. Agricultural and Forest Meteorology 152: 159-177.

상세보기
Tan B., Morisette J.T., Wolfe, R.E., Gao, F., Ederer, G.A., Nightingale, J. and Pedelty, J.P. 2011. An enhanced TIMESAT algorithm for estimating vegetation phenology metrics from MODIS data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 4(2): 361-371.

상세보기
Tooke F. and Battey, N.H. 2010. Temperate flowering phenology. Journal of Experimental Botany 61(11): 2853-2862.

상세보기
Toomey, M., Friedl, M.A., Frolking, S., Hufkens, K., Klosterman, S., Sonnentag, O., Baldocchi, D.D., Bernacchi, C.J., Biraud, S.C. and Bohrer, G. 2015. Greenness indices from digital cameras predict the timing and seasonal dynamics of canopy-scale photosynthesis. Ecological Applications 25(1): 99-115.

상세보기
Ulsig, L., Nichol, Caroline J., Huemmrich, K.F., Landis, D.R., Middleton, E.M., Lyapustin, A.I., Mammarella, I., Levula, J. and Porcar-Castell, A. 2017. Detecting inter-annual variations in the phenology of evergreen conifers using long-term MODIS vegetation index time series. Remote sensing 9(1): 49.

상세보기
Wald, L. 2002. Data fusion: definitions and architectures: fusion of images of different spatial resolutions. Les Presses del'E cole des Mines. Paris. pp. 198.
Whitfield, J. 2001. The budding amateurs. Nature 414: 578-579.

상세보기
WMO (World Meteorological Organization). 2019. WMO statement on the state of the global climate in 2019. WMO-No. 1248: 1-44.
Zhang, X., Friedl, M.A., Schaaf, C.B., Strahler, A.H., Hodges, J.C.F., Gao, F., Reed, B.C. and Huete, A. 2003. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment 84(3): 471-475.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증